Question

图像处理：

    for i in ...
        img = Image.open(img_path).convert('L')     #get gray img
        shape_img = shape_index(img, sigma = 0.1)

        images[i] = shape_img

    feature_shape = images.reshape(len(images), -1) # (24, 10000)

然后使用PCA拟合feature_shape数据

    pca=PCA(n_components=n,svd_solver='randomized', whiten=True)
    X_fit_pca=pca.fit(X).transform(X)

但是错误出现了

适合的文件“ /usr/local/lib/python3.7/site-packages/sklearn/decomposition/pca.py”，第340行 self._fit（X） _fit中的文件“ /usr/local/lib/python3.7/site-packages/sklearn/decomposition/pca.py”，第381行复制= self.copy）文件“ /usr/local/lib/python3.7/site-packages/sklearn/utils/validation.py”，行573，在check_array中 allow_nan = force_all_finite =='allow-nan'）文件“ /usr/local/lib/python3.7/site-packages/sklearn/utils/validation.py”，第56行，_assert_all_finite 引发ValueError（msg_err.format（type_err，X.dtype）） ValueError：输入包含NaN，无穷大或对于dtype（'float32'）而言太大的值。

较早的颜色功能（可以减少shape_index的进度）可以正常工作，没有NaN异常。

是因为PCA拒绝了NaN值，如何处理NaN值和形状特征？

感谢提示，可以帮助我解决问题！

由于NaN错误，sklearn的shape_index功能无法应用PCA

0 个答案: